Genie One MCP: Jedem KI-Agenten den richtigen Geschäftskontext geben

Führungskräfte haben oft Zugang zu vielen Daten, können aber immer noch keine zuverlässige Antwort auf eine scheinbar einfache Frage erhalten, wie zum Beispiel: Warum ist der Nettoumsatz bei unserem größten Kundenkonto letzte Woche um 8 % gesunken? Die Antwort kann Verkaufs-, Finanz-, Promotions-, Bestands- und Kundendaten umfassen, wobei jede Quelle isoliert betrachtet potenziell korrekt ist, sich aber in ihren Definitionen, Details, Beziehungen und ihrer Autorität unterscheidet.

Ohne den richtigen Geschäftskontext können Allzweck-Agenten nicht zuverlässig bestimmen, was Ihre Metriken bedeuten, welche Quellen maßgeblich sind, wie Daten verbunden werden sollen oder was jeder Benutzer sehen darf.

Genie One MCP bietet jedem MCP-kompatiblen KI-Agenten einen geregelten Kontext. Es verbindet Assistenten wie ChatGPT, Claude, Microsoft Copilot und Code-Agenten mit Genie One, damit sie Geschäftsfragen mithilfe genehmigter Definitionen, vertrauenswürdiger Datenbeziehungen und berechtigungsgesteuerter Zugriffssteuerungen beantworten können. Anstatt Agenten aufzufordern, Bedeutungen aus Rohdaten-Tabellen oder überladenen Prompts abzuleiten, können Organisationen den Geschäftskontext einmal in Genie Ontology definieren und ihn jedem genehmigten KI-Agenten zur Verfügung stellen.

Das Kontextproblem bei Allzweck-Agenten

Allzweck-KI-Agenten erben die Fragmentierung und Mehrdeutigkeit der Systeme, mit denen sie verbunden sind. Drei Lücken erschweren zuverlässige Geschäftsantworten:

• Fragmentierte Fakten: Relevante Daten sind über Systeme verteilt, werden zu unterschiedlichen Zeiten aktualisiert, überschreiten funktionale Grenzen und ändern sich im Laufe der Zeit. Eine konsolidierte Ansicht kann bereits unvollständig oder veraltet sein.
• Inkonsistente Bedeutung: Begriffe wie Nettoumsatz, aktive Promotion und pünktlich können in verschiedenen Teams unterschiedliche Definitionen haben. Diese Definitionen befinden sich oft in Tabellenkalkulationen, Dokumentationen oder im institutionellen Wissen, nicht in einer Form, die ein Agent zuverlässig nutzen kann.
• Fehlende Autorität und Herkunft: Wenn Zahlen widersprüchlich sind, ist oft unklar, welche Quelle maßgeblich ist, wie Daten transformiert wurden oder welche Definition das Ergebnis hervorbrachte.

Eine zuverlässige Analyse erfordert mehr als nur das Abrufen von Daten. Ein Agent muss verstehen, wie Geschäftsfakten zusammenhängen, welche Definitionen gelten und welche Quellen Vorrang haben sollten.

Direkter Datenzugriff ist kein Geschäftskontext

Die direkte Verbindung eines KI-Agenten mit strukturierten und unstrukturierten Quellen bietet Zugriff, aber nicht den gemeinsamen Geschäftskontext, der für die Bereitstellung zuverlässiger, geregelter Antworten erforderlich ist. Ohne diesen Kontext führt der direkte Zugriff zu vier Herausforderungen:

• Genauigkeit: Der direkte Zugriff sagt einem Agenten nicht, welche Quellen, Definitionen oder SQL-Joins genehmigt sind. Diese Entscheidungen bestimmen die Qualität der Antwort.
• Kosten und Latenz: Agenten müssen Schemata, Dokumentationen und Beziehungen wiederholt überprüfen, was mehr Tokens verbraucht und die Antworten verlangsamt.
• Governance: Direkte Verbindungen über Quellsysteme hinweg können es schwierig machen, Zugriffssteuerungen im Kontext des Endbenutzers konsistent durchzusetzen.
• Konsistenz: Ohne gemeinsamen Kontext kann jeder Client, jedes Modell oder jede Sitzung Definitionen unterschiedlich interpretieren, was zu inkonsistenten Antworten führt.

Aufbau der Kontextsicht mit Genie Ontology

Genie Ontology ist die geregelte Kontextsicht in Databricks, die Genie One hilft, Ihr Geschäft zu verstehen. Es kombiniert genehmigte Metriken, Geschäftsdefinitionen, Beziehungen, Eigentumsrechte und Zugriffsrichtlinien mit Kontext, der aus vertrauenswürdigen Unternehmensressourcen wie Notebooks, Abfragen, Dashboards, Dokumentationen und Genie Agents abgeleitet wird.

Genie One nutzt diesen Kontext, um die richtigen Definitionen und Quellen zu identifizieren, Konflikte basierend auf Autorität und Zertifizierung zu lösen und die Berechtigungen jedes Benutzers durchzusetzen. Das Ergebnis sind nachvollziehbare, berechtigungsgesteuerte Antworten, die auf einem geregelten Geschäftskontext basieren.

Angewandt auf unsere erste Frage: Warum ist der Nettoumsatz bei unserem größten Kundenkonto letzte Woche um 8 % gesunken? Genie Ontology: 

• Verankert Nettoumsatz in seiner genehmigten Metrikdefinition,
• Verbindet Verkaufs-, Finanz-, Promotions-, Bestands- und Kundenressourcen durch geregelte Beziehungen, und 
• Priorisiert zertifizierten Kontext, wenn diese Quellen widersprüchlich sind. 

Dies führt nicht nur zu einer qualitativ hochwertigen Antwort, sondern auch zu einer vollständigen Erklärung, die Benutzer auf die zugrunde liegenden geregelten Definitionen und Assets zurückführen können.

Eine gemeinsame Kontextsicht für jeden KI-Agenten 

Eine geregelte Kontextsicht wird wertvoller, wenn sie konsistent an allen Arbeitsplätzen eingesetzt werden kann. Genie One bietet eine native KI-Cowork-Erfahrung in Databricks, während der Genie One MCP-Server denselben geregelten Geschäftskontext auf andere genehmigte KI-Assistenten, Code-Agenten und Client-Schnittstellen erweitert. Zusammen ermöglichen sie es Organisationen, Geschäftsbedeutungen einmal in Genie Ontology zu definieren und sie in einem sich entwickelnden KI-Ökosystem anzuwenden.

Genie One: Ein datenintelligenter Kollege 

Genie One ist Databricks' datenintelligenter KI-Kollege für Geschäftsanwender. Angetrieben von Genie Ontology hilft es Teams, datenintensive Geschäftsfragen zu beantworten, Informationen aus verschiedenen Unternehmensquellen zu synthetisieren und Erkenntnisse in Folgearbeiten wie Dokumente, Aufgaben und geplante Aktionen umzusetzen, sowohl in Databricks als auch in Drittanbieter-Tools wie Google Drive, Microsoft 365, Atlassian, Slack, GitHub und Glean. 

Genie One MCP: Bringen Sie Geschäftskontext zu den Agenten, die Sie bereits verwenden

Genie One MCP erweitert denselben geregelten Kontext auf beliebte KI-Assistenten und Code-Agenten. Wenn Sie bereits Claude, ChatGPT, Microsoft Copilot oder einen Code-Agenten wie Claude Code verwenden, Genie One MCP macht Genie als Tool für jeden von ihnen verfügbar, mit derselben Ontologie und derselben Berechtigungsdurchsetzung wie eine native Oberfläche.

Genie One MCP kann KI-Assistenten sofort einen tiefgreifenden Unternehmenskontext bereitstellen, wodurch die Qualität der Interaktion mit Geschäftsanwendern erheblich verbessert wird. Einige Beispiele sind:

Überprüfung der Kampagnenleistung: Ein Marketingleiter fragt ChatGPT Business, welche Kampagnen qualifizierte Leads generieren und wohin das Budget umverteilt werden soll. Genie One verbindet genehmigte Attributions-, Kampagnen-, Ausgaben-, Lead- und Opportunity-Daten; ChatGPT wandelt die Ergebnisse in einen Kampagnen-Aktionsplan um.

Monatliche Geschäftsüberprüfung: Ein Finanzleiter fragt Claude Cowork, was die Lücke zwischen Prognose und tatsächlicher Marge antreibt und welche Regionen Maßnahmen erfordern. Genie One identifiziert die offizielle Prognose, die genehmigte Margendefinition und relevante operative Treiber; Claude wandelt die Ergebnisse in eine operative Überprüfungserzählung und Aktionsliste um.

Überprüfung der Kundenbindung: Ein Leiter des Kundenerfolgs fragt Microsoft Copilot Cowork, welche Kunden eine sinkende Akzeptanz, ein steigendes Supportvolumen und ein Verlängerungsrisiko aufweisen. Genie One verbindet geregelten Kunden-, Produktnutzungs-, Support- und Vertragskontext; Copilot priorisiert dann gefährdete Konten und bereitet gezielte Folgemaßnahmen vor.

Einrichtung von Genie One MCP

Die Einrichtung beginnt in einem Arbeitsbereich mit der Vorschau-Umschaltfläche und einer Client-Verbindung. Die Schritte unterscheiden sich je nach Client, folgen Sie daher den Anweisungen in unserer KI-Assistenten und Code-Agenten Dokumentation für weitere Details. Sobald die Verbindung hergestellt ist, sollten Sie die Genie One MCP-Verbindung in Ihrem KI-Assistenten sehen können (siehe unten für ein Beispiel von Claude Cowork).

Die Genie One MCP-Erfahrung

Einmal eingerichtet, kann Claude Genie One MCP aufrufen, wenn eine Frage gestellt wird, die Unternehmenskontext erfordert. Als Antwort liefert Genie One eine vollständig begründete und formulierte Antwort, die die Zugriffssteuerungen auf die zugrunde liegenden Datenbestände vollständig respektiert (siehe unten für Beispiele von Claude Cowork und ChatGPT). 

Der Genie One MCP-Server bietet MCP Apps, eine Erweiterung, die es einem Server ermöglicht, eine interaktive Ansicht anstelle von einfachem Text zurückzugeben. Auf Clients, die MCP Apps unterstützen, gibt der Server eine interaktive Ansicht zurück, die Visualisierungen, zusammenfassende Metriken und Genie Ontology-Zitate innerhalb der KI-Assistenten-Oberfläche rendert (siehe unten). Hinweis: Clients, die MCP Apps unterstützen, erhalten automatisch die interaktive Ansicht, während Clients ohne MCP Apps-Unterstützung weiterhin nur Text-Ergebnisse erhalten. 

 ChatGPT mit Genie One MCP

 Claude Cowork mit Genie One MCP

Der Aufruf von Claude mit MCP ist einfach mit dem Befehl ug claude, der sich mit der Claude-Instanz im Databricks-Workspace verbindet. Sobald der Claude Model Serving-Endpunkt geöffnet ist, kann er direkt über die Befehlszeile verwendet werden. Mit der Genie One MCP-Integration hat Claude den Kontext, um präzise zu antworten.

Claude-Code (CLI) mit Genie One MCP

So funktioniert Genie One MCP

Tool-Vertrag

Genie One MCP ermöglicht externen KI-Agenten die Nutzung der gesteuerten Konversationsanalysefähigkeiten von Genie One, indem sie eine Frage in natürlicher Sprache senden. Genie interpretiert die Geschäftsterminologie, durchsucht zulässige Unternehmensdaten, generiert und führt SQL aus und liefert eine fundierte Antwort mit Databricks-Quelllinks. 

Um dies zu ermöglichen, stellt der Genie One MCP-Server fünf Tools bereit: 

• genie_ask startet eine Antwort und gibt eine conversation_id und response_id genie_poll_response gibt Fortschrittsschritte und bei Abschluss die Antwort mit einem In Databricks erkunden Deep Link zurück 
• genie_get_query_result gibt den vollständigen Ergebnissatz zurück, wenn die gekürzte Antwort unzureichend ist
• genie_cancel_response stoppt eine laufende Runde  
• view_ask ersetzt genie_ask auf Clients, die MCP Apps unterstützen, und rendert ein interaktives Panel mit Fortschritt, Visualisierungen und Ontologie-Zitaten inline
• warehouse_id _meta Parameter fixiert die Ausführung an ein bestimmtes SQL-Warehouse

Identität und Zugriffssteuerung

Wenn Agenten über Genie One statt über zugrunde liegende Tabellen abfragen, bestimmt es, auf welche Metriken Benutzer zugreifen können und wie diese berechnet werden. Die Benutzeridentität muss daher durch die Anfrage fließen. Der empfohlene Ansatz ist die On-Behalf-Of (OBO)-Benutzerauthentifizierung. Der externe Assistent übergibt das OAuth-Token des Endbenutzers, und Genie bewertet Unity Catalog-Berechtigungen, Zeilenfilter und Spaltenmasken im Kontext dieses Benutzers. Benutzer erhalten nur autorisierte Ergebnisse, und Deep Links öffnen nur Assets, auf die sie zugreifen können.

Zwei Benutzer können dieselbe Frage im selben Client stellen und entsprechend zugeschnittene Antworten erhalten, ohne dass eine benutzerspezifische Prompt-Logik erforderlich ist. Die Machine-to-Machine-Authentifizierung mit einem Service Principal ist für externe Integrationen verfügbar, stellt jedoch jeden Aufrufer als eine Identität dar, wodurch die Durchsetzung benutzerspezifischer Berechtigungen entfällt und Personalisierung und Speicher möglicherweise eingeschränkt werden.

Genie überall zugänglich machen behandelt U2M-, M2M- und OBO-Muster und deren Governance-Implikationen. Externe MCP-Verbindungen sind Unity Catalog-Objekte, die durch Standardberechtigungen gesteuert werden.

Verwaltung und Überwachung

Verwaltete MCP-Server sind unter Agents > MCPs im Workspace aufgeführt und im Unity Gateway sichtbar. Genie One Chat-Ereignisse erscheinen in Audit-Logs, SQL-Ausführungen im Abfrageverlauf und der Verbrauch in Abrechnungssystemtabellen. Hier sind bewährte Praktiken für den Produktionseinsatz:

• Genie One an einem Ort optimieren. Der MCP-Server berücksichtigt Workspace-Anweisungen, Zertifizierungen und die in Databricks konfigurierte Kuratierung von Genie Agents. Versuchen Sie nicht, Genie One über den System-Prompt des Clients zu steuern.
• Bevorzugen Sie den Genie Agent MCP-Server unter /api/2.0/mcp/genie/{genie_space_id}, wenn ein Anwendungsfall einer kuratierten Domäne zugeordnet ist. Er stellt einen einzelnen schreibgeschützten Agenten mit eigenen Anweisungen und vertrauenswürdigem SQL bereit, was das Benchmarking und die Bereichsdefinition erleichtert.
• Registrieren Sie eine OAuth-Anwendung pro Client-Plattform mit minimalem Umfang und Token-Lebensdauern, die Ihrer Identitätsrichtlinie entsprechen.
• Berücksichtigen Sie das 90-sekündige SQL-Ausführungs-Timeout und das Workspace Genie QPM-Limit bei der Dimensionierung eines Rollouts; an Genie Agents weitergeleitete Fragen werden auf letzteres angerechnet.
• Überprüfen Sie die Governance durch Identitätswechsel: Stellen Sie dieselbe Frage als Mitglieder verschiedener Gruppen über den externen Client und bestätigen Sie, dass die Antworten wie erwartet abweichen.

Erste Schritte mit Genie One MCP

Agenten, Client-Schnittstellen und Integrationsprotokolle werden sich weiterentwickeln. Allzweck-KI-Assistenten können weiterhin von einem gemeinsamen und gesteuerten Geschäftskontext profitieren. 

Nutzen Sie Genie Ontology, um diesen gemeinsamen Kontext herzustellen, und implementieren Sie dann Genie One MCP, um die datenbewussten Funktionen von Genie One den Agenten und Workflows zur Verfügung zu stellen, die Ihre Teams bereits verwenden.

Für weitere Informationen lesen Sie diese Ressourcen: 

• Genie One MCP ist jetzt allgemein verfügbar 
• Genie Ontology in Ihrem Daten-Stack operationalisieren
• Genie One MCP-Server Dokumentation: 
  • Verwaltete MCP-Server
  • MCPs mit KI-Assistenten und Coding-Agenten verbinden

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag